Elenco delle risorse di intelligenza artificiale generativa | Intelligenza-Artificiale

introduzione

L’ascesa dei Large Language Models (LLM) come ChatGPT è stata rivoluzionaria e ha dato il via a una nuova era nel modo in cui interagiamo con la tecnologia. Questi modelli sofisticati, esemplificati da ChatGPT, hanno ridefinito il modo in cui interagiamo con le piattaforme digitali. Pensaci: quanto spesso hai utilizzato strumenti come ChatGPT per scrivere facilmente un’e-mail o impiegato l’intelligenza artificiale generativa per dare vita alla tua immaginazione più sfrenata attraverso immagini straordinarie? Questa incessante evoluzione della tecnologia dell’intelligenza artificiale generativa non è solo un progresso scientifico; è una porta verso infinite possibilità creative, rimodellando il nostro panorama digitale a un ritmo mozzafiato. Tuttavia, c’è un notevole divario in questo vortice di rapidi progressi. Mentre ci meravigliamo dei risultati dell’intelligenza artificiale generativa, per molti una comprensione più profonda dei suoi fondamenti e delle sue applicazioni pratiche rimane sfuggente. È qui che entra in gioco questo blog. Presentazione di una soluzione: risorse di intelligenza artificiale generativa.

Ho compilato meticolosamente un elenco ordinato dei migliori corsi di intelligenza artificiale generativa per fornirti queste conoscenze all’avanguardia. Questa non è solo una lista; è la tua tabella di marcia per svelare la magia dietro questi straordinari strumenti. Che tu sia uno studente curioso, un aspirante appassionato di intelligenza artificiale o un professionista che desidera migliorare le proprie competenze, questi corsi soddisfano la tua sete di conoscenza.

Elenco di risorse di intelligenza artificiale generativa per te

Passaggio 1: come iniziare con l’intelligenza artificiale generativa?

Se sei un principiante dell’intelligenza artificiale generativa, inizia con questo corso IA generativa per tutti. In questo corso sull’intelligenza artificiale generativa esplorerai il funzionamento dell’intelligenza artificiale generativa, i casi d’uso comuni e le funzionalità. Imparerai anche come creare suggerimenti efficaci e comprendere le potenziali opportunità e i rischi che questa tecnologia comporta per individui, aziende e società.

Ora, la prossima cosa da imparare è come utilizzare i popolari strumenti di intelligenza artificiale generativa come ChatGPT, Midjourney e altri. In questo corso in poi Strumenti di intelligenza artificiale generativaimparerai esattamente questo. Comprenderai le basi dell’intelligenza artificiale generativa, imparerai gli strumenti più popolari per la generazione di testo e di immagini e persino come utilizzarli per varie applicazioni come l’editing di immagini, la creazione di e-mail, la creazione di contenuti visivi e altro ancora.

Ulteriori risorse di intelligenza artificiale generativa

• “Lo stato del GPT” di Karpathy: Guarda qui
• Una breve introduzione all’intelligenza artificiale generativa per principianti: Leggi qui

Passaggio 2: dove trovare informazioni su Prompt Engineering?

Una volta che hai imparato a conoscere l’intelligenza artificiale generativa, il passo successivo è giocare con la tecnologia e innamorarti delle sue possibilità. Il modo migliore per farlo è giocherellare con ChatGPT. Ma sapevi che anche per ottenere il meglio da ChatGPT, devi conoscere Prompt Engineering? Ora chiedi: cos’è? Bene, è il modo in cui interagiamo con un LLM e otteniamo il risultato desiderato.

Per impararlo, puoi iniziare con questo corso di Codecademy su Prompt Engineering. In questo modo inizierai con le basi. Se vuoi passare a qualcosa di più dettagliato, ti consiglio vivamente questa guida Ingegneria rapidache non è altro che un corso. Sebbene si tratti di una guida estesa, è ben strutturata e copre in modo esaustivo il prompt engineering, compresi argomenti come l’apprendimento zero-shot, l’apprendimento two-shot e l’apprendimento della catena di pensiero. Fornisce inoltre i suggerimenti generali per progettare suggerimenti validi che risolvano efficacemente qualsiasi caso d’uso.

Ulteriori risorse di intelligenza artificiale generativa

Passaggio 3: come impari a conoscere i LLM?

Ora che hai interagito con ChatGPT utilizzando l’interfaccia standard di OpenAI, è tempo di passare alla progettazione dei tuoi sistemi utilizzando l’API ChatGPT. Per questo, puoi esplorare in questo corso Costruire sistemi con l’API ChatGPT di DeepLearning.ai. Qui imparerai a dividere compiti complessi in compiti più piccoli e risolverli utilizzando le istruzioni. Questo ti mostrerà come utilizzare un potente strumento come ChatGPT per le tue attività specifiche.

Una volta fatto ciò, puoi creare la tua prima applicazione basata su LLM utilizzando il framework LangChain in questo corso LangChain per lo sviluppo di applicazioni LLM. LangChain è un framework open source per lo sviluppo di applicazioni basate su LLM che non si limitano a ChatGPT! Consente la creazione di applicazioni sensibili al contesto collegando gli LLM ai dati e fornendo strumenti per la personalizzazione, l’accuratezza e la pertinenza. In questo corso imparerai a creare un’applicazione LLM utilizzando LangChain, che ti abituerà a creare assistenti personali e chatbot.

Cosa succede se i LLM standard hanno conoscenze statiche e desideri aumentarli per adattarli al tuo caso d’uso particolare? Questo è il momento in cui dovrai utilizzare la tecnica RAG per aumentare gli LLM per creare la tua applicazione. Allora, cos’è il RAG? Bene, RAG sta per Retrieval Augmented Generation. È una strategia in cui fornisci conoscenze aggiuntive al LLM attraverso un sistema di recupero. Ciò consente al LLM di rispondere a domande più specifiche anche se non è addestrato su di esso. Puoi conoscere i RAG e altro ancora in questo Creazione e valutazione di applicazioni RAG avanzate corso.

Ora che hai creato un sistema RAG, noterai che presenta alcune limitazioni. Innanzitutto, noterai che non sarai sempre in grado di utilizzare tutti i dati recuperati in un prompt, il che limita la risposta di LLM. Un altro sarebbe l’effetto allucinante del LLM, difficile da eliminare. Quindi, non sarebbe meglio mettere a punto completamente il tuo modello e ottenere un LLM più personalizzato? Questo è ciò di cui ti occuperai in questo corsodove imparerai l’ottimizzazione, quando applicarla, come preparare i dati per l’ottimizzazione e come addestrare e valutare il tuo modello ottimizzato.

Risorse aggiuntive di intelligenza artificiale generativa

“Introduzione ai modelli linguistici di grandi dimensioni” di Karpathy: Guarda qui

• Il video fornisce una panoramica introduttiva di un’ora sugli LLM adatti a un pubblico generale, che costituiscono l’elemento tecnico fondamentale in sistemi come ChatGPT, Claude e Bard. Comprenderai la natura, le direzioni future e i confronti tra questi modelli.

“Una guida per hacker ai modelli linguistici” di Jeremy Howard: Guarda qui

• In questo video illuminante, Jeremy Howard, co-fondatore di fast.ai, fornisce un’esplorazione completa dei modelli linguistici. Il video include valutazioni critiche di GPT-4, applicazioni pratiche nella scrittura di codice e nell’analisi dei dati e suggerimenti pratici per l’utilizzo dell’API OpenAI.

“Al passo con lo strano mondo degli LLM” di Simon Willison: Leggi qui

• Il blog copre gli elementi essenziali dei modelli linguistici, esplorandone la definizione, il funzionamento e una cronologia concisa dello sviluppo LLM. Identifica i principali modelli LLM e offre suggerimenti pratici, incluso il loro utilizzo per la codifica. Il blog ti fornirà anche una breve panoramica di come vengono formati i LLM.

Cosa sono i Large Language Models (LLM) di Analytics Vidhya? Leggi qui

• Il blog esplora i Large Language Models (LLM), approfondendo la loro costruzione e il loro funzionamento. Copre la loro architettura generale, fornisce esempi, discute LLM open source come Bloom, esplora le API Hugging Face e presenta applicazioni pratiche attraverso esempi.

Passaggio 4: che dire di RLHF?

Devi aver sentito parlare di RLHF. RLHF sta per Apprendimento per Rinforzo dal Feedback Umano. Si tratta di una tecnica di machine learning che forma un “modello di ricompensa” direttamente dal feedback umano e utilizza il modello come ricompensa per ottimizzare le prestazioni di un agente di intelligenza artificiale attraverso il rinforzo. Ora, scopri di più su RLHF in questo corso di DeepLearning.aidove acquisirai conoscenza di RLHF, perfezionerai un LLM con RLHF e infine imparerai a valutarlo.

Aggiunte risorse di intelligenza artificiale generativa

Passaggio 5: dove impari sui modelli di diffusione?

Ora, l’intelligenza artificiale generativa non riguarda solo gli LLM. Se vuoi conoscere la generazione di immagini utilizzando l’intelligenza artificiale generativa, allora devi conoscere i modelli di diffusione e come funzionano. Per questo, c’è uno straordinario corso di Hugging Face. Il materiale per il corso, compresi quaderni, materiale di lettura e tutto il resto, lo trovate qui Repositorio GitHub. Qui puoi trovare contenuti sui modelli di diffusione di base, sulla diffusione stabile, sulla messa a punto di un modello di diffusione e altro ancora.

Ulteriori risorse di intelligenza artificiale generativa

Bonus: programma completo di intelligenza artificiale generativa

So che i corsi da intraprendere sono tanti e non sono del tutto esaustivi. Questo è il motivo per cui suggerisco questo programma completo sull’intelligenza artificiale generativa chiamato Programma Pinnacle di intelligenza artificiale generativa. Questo programma copre l’intelligenza artificiale generativa dall’inizio alla fine. Copre argomenti come Prompt Engineering, sistema RAG che utilizza LlamaIndex e messa a punto di LLM, tra cui LoRA, QLoRA, PEFT e Stable Diffusion.

Conclusione

Spero che tu abbia trovato utile questo elenco di risorse di intelligenza artificiale generativa e che tu ti sia iscritto almeno a uno dei corsi sopra indicati! Tuttavia, ci sono molti altri corsi che ho lasciato qui. Se trovi un corso pertinente sull’intelligenza artificiale generativa, condividilo nei commenti qui sotto. Mi piacerebbe esplorarlo io stesso!

Imparentato

Sono un amante dei dati e amo estrarre e comprendere gli schemi nascosti nei dati. Voglio imparare e crescere nel campo del Machine Learning e della Data Science.